CAPITULO III

Distribuciones Bivariadas. Muchos de los fenmenos que aparecen en la naturaleza y en la vida

diaria, involucran diferentes y diversos factores. Cada factor puede ser identificado por medio de
una variable. En ste sentido un fenmeno de inters estar regido por el comportamiento
conjunto de muchas variables. Si X y Y son variables aleatorias (discretas o continuas), la
distribucin que rige el comportamiento conjunto de ambas variable se conoce como distribucin
Bivariable o Conjunta. Si se tienen ms de dos variables le llamaremos distribucin multivariable
(Multivariada).

Ejemplo: De un gran lote de impresoras descompuestas se escogen al azar cuatro. Se clasifica
cada impresora segn el dao, leve o severo. Sea X el nmero de impresoras con dao leve y
sea Y el nmero de impresoras con dao severo. Es claro que ( ) 4 0 1 2 3 4 X bin , p , x , , , , = y
( )
2
4 0 1 2 3 4 Y bin , p , y , , , , = .
Si x 0 y 4 Si x 1 y 3 Si x 2 y 2
Si x 3 y 1 Si x 4 y 0 As X Y 4
; ; ;
; .
= = = = = =
= = = = + =

De manera natural el espacio de las variables aleatorias X e Y estar conformado ppor el
conjunto de pares ( ) x , y tal que 4 x y + = .
( ) ( ) ( ) ( ) ( ) ( ) { }
x y 4 x 0 1 2 3 4
x, y 0 4 1 3 2 2 3 1 4 0
y 0 1 2 3 4
; , , , ,
, , , , , , , , ,
, , , ,
+ = =
A = =
`
=
)

El par ( ) x , y ser llamado vector aleatorio.
Caso discreto: Sean X e Y variables aleatorias. La distribucin de probabilidad conjunta de X e
Y, la cul denotaremos
xy
f est dada por ( ) ( )
xy
f x , y P X x , Y y = = = .
Propiedades:
1) ( ) ( ) 0
xy
f x , y , x , y A > e
2) ( ) 1
xy
x y
f x , y =

3) Si ( ) ( ) ( )
( )
xy
x , y A
A A P x , y A f x , y
e
_ e =

.
La distribucin acumulada para X e Y,
xy
F , est dada por
( ) ( ) ( )
2
x y
F x, y X x, Y y x, y P . = s s eR
.
Ejemplo: Sean X e Y variables aleatorias discretas con distribucin de probabilidad
xy
F dada por

Calcule
( ) P x , y A ( e

donde

Solucin:
( ) ( )
( )
( ) ( ) ( )
x y x y x y x y
x, y A
6
x, y A F x, y F 0 0 F 1 1 F 2 2
8
P , , ,
e
( e = = + + =



X 0 1 1 2 2
Y 0 1 2 1 2
x y
F
1/8 1/8 1/8 3/8 ( ) { } ( ) ( ) A x, y x y x 1 y 1 x 1 y 2 , P , , P . = = s s > . <
( ) ( ) ( ) ( )
x y x y x y
x 1 y 1
3
x 1 y 1 F x, y F 0 0 F 1 1
8
P , ,
s s
s . s = = + =

( ) ( ) ( )
x y x y
x 2 y 2
1
x 1 y 2 F x, y F 2 1
8
P ,
> <
> . < = = =

Ejemplo: Una urna contiene 3 bolas rojas, 4
bolas blancas y 2 azules. Se extraen al azar y
sin reemplazo 3 bolas de la urna. Sea X: el
nmero de bolas blancas en la muestra y sea Y:
el nmero de bolas rojas en la muestra. Halle
xy
F .
Solucin: ( (( ( ) )) ) { {{ { } }} }
1 3 A x , y x y = s + < = s + < = s + < = s + < .
Se tiene que ( ) 9 4 3 X hip , , y
( )
x y
4 3 2
x y 3 x y
1 x y 3
9 F x, y
3
0 otro caso
,
,
| || || |
| | |

\ .\ .\ .

s + s

= | |

\ .

Caso Continuo: Sean X e Y variables aleatorias continuas definidas en un conjunto

2
A _ R . La
distribucin acumulada de X e Y, denotada por
xy
F , est dada por: ( ) ( )
xy
F x , y P X x , Y y = s s .
Si existe una funcin
xy
F no negativa
2
f : R R tal que ( )
2
xy
xy
F
F x , y
x dy
c
=
c
( ) x , y donde
2
xy
F
x dy
c
c
existe (y tambin
2
xy
F
x dy
c
c
).
xy
F es llamada funcin de densidad de
probabilidad conjunta de X e Y.
Propiedades de
xy
F
1) Por el teorema fundamental del calculo en
2
R ,
( ) ( )
y x
x y
F x y F t s ds dt , ,

=
} }
.
2) ( ) ( )
2
1
xy xy
F x , y dy dx F x , y dy dx
+ +

= =
} } } }
R
3) Si ( ) ( )
2
xy
B P x , y B F x , y dy dx ( _ e =
} }
R
Ejemplo: Determine el valor de c que hace que la funcin
( )
( )
x y
c x y 0 x 3 x y x 2
F x y
0 otro caso
, , ,
,
,
< < < < +
=

Sea una f.d.p conjunta de X e Y.

Solucin:
( ) ( )
( )
2
3 x 2
x y
0 x
x 2
2
3 3 3
2
0 0 0
x
F x y dA 1 c x y dy dx
y
c xy dx c 4x 2 dx c 2x 2x
2
1
24 c 1 c
24
, ,
,
+
+
=

= + = + = +

= = =
} } } }
} }
R
Calcule:

a)

b)

c)

Ejemplo: Se est interesado en el comportamiento conjunto de dos variables aleatorias X: el
tiempo total empleado por una persona al ingresar a un banco hasta ser atendido y Y: el tiempo
en fila. La f.d.p conjunta de X e Y est dada por:

Calcule
( ) ( ) x 2 y 1 x y 1 P , , P > > <
( ) ( )
2
2
1 2 1
0 x 0
x
1
2 3
1
2
0
0
1 1 y
x 1 y 2 x y dydx x y dx
24 24 2
1 3x 1 x 1 5 5
2x 2 dx x 2x
24 2 24 2 24 2 12
P ,

< < = + = +

| |
| |
= + = + = =
| |
\ . \ .

} } }
}
( ) ( ) ( )
2 x 2 2
1 x 1
2
2
1
1 1
1 x 2 x y dy dx 4x 2 dx
24 24
1 8 1
2x 2x
24 24 3
P
+
< < = + = +

= + = =

} } }
( ) ( ) ( )
( )
( )
2 x 2 3 x 2
0 2 2 x
2
2 2 2
0 x 0
2
3
2
0
1 1
y 2 x y dy dx x y dy dx
24 24
1 1 3x
1 x y dy dx 1 2x 2 dx
24 24 2
1 x 1 1 5
1 x 2x 1 4 1
24 2 24 6 6
P
+ +
> = + + +
| |
= + = +
|
\ .
(
( = + = = =
(

} } } }
} } }
( )
x
x y
0 y x
F x, y
0 otro caso
e ,
,

s <
=

( ) ( )
x
x x
2 1 2
x
2
2
X 2 Y 1 dy dx x 1 dx
2
x
P , e e
e
e
+ +

+

> > = =
= =
} } }
( )
( )
( )
1 y
x
0 y
1 y -y
0
1 y -y
0
X Y 1 dx dy
dy
1
1
P e
e e
e e
e
+ +

+
+
+
+
< =
(
=

(
= =

} }
}
Valor Esperado: Sean X e Y variable aleatoria (discretas o continuas) con distribucin de
probabilidades (o f.d.p) conjunta
xy
F .
[ ]
( )
( ) ( )
xy
xy
x f x y si X e Y variables aleatorias discretas
X
g x y f x y dA si X e Y variables contnuas
, ,
E
, , ,

} }

Ejemplo: Sean X e Y variables aleatoria discretas con distribucin de probabilidad conjunta
xy
F
dada por:
Halle

[ ] ( )
( )
xy
x y
X x f x y
,
E , =

Solucin:
[ ] ( ) ( ) ( ) ( ) ( )
xy xy xy xy xy
11
X 0 f 0 0 1f 1 1 1f 1 2 2 f 2 1 2 f 2 2
8
E , , , , , = + + + + =
[ ] ( ) ( ) ( ) ( ) ( )
xy xy xy xy xy
11
Y 0 f 0 0 1f 1 1 2 f 1 2 1f 2 1 2 f 2 2
8
E , , , , , = + + + + =
[ ] ( ) ( )
x
X x f x y x f x !E , ! = =

( ) [ ]
2
2 2
x y
19 19 11 31
X x f x y X
8 8 8 64
E , V
| |
( = = = =
|

\ .

( ) [ ]
2 2
x y
19 31
Y y f x y Y
8 64
E , V ( = = =



[ ] ( )
x y
18 9
X Y x y f x y
8 4
E , = = =

Ejemplo: Sean X e Yvariables aleatorias continuas con f.d.p conjunta dada por
( )
x
xy
0 y x
f x y
0 otro caso
e ,
,
,

s <
=

Hallar

Solucin:
X 0 1 1 2 2
Y 0 1 2 1 2
x y
F
1/8 1/4 1/8 1/8 3/8
[ ] [ ] [ ] ( ) [ ]
[ ] [ ] ( ) [ ]
2
2
X Y X X X
Y Y Y X Y
E , E , E E V ,
V E E , E
(
=
(

(
=
(

[ ] [ ] [ ] [ ] [ ] X Y X Y X Y E , E , V , V , E
[ ] ( )
x +
x 2 x
x
0 0 0
X x dy dx x dx F 3 2 U E e e !
+

= = = = =
} } }

[ ]
x
2
x + +
x x 2 x
y
0 0 0 0
0
y 1
Y y dy dx dx x dx 1 U
2 2
E e e e
+

= = = = =
} } } }

x
2 2 x 3 x
0 0 0
X x dy d x d 3 6 E e x e x !
+ +

( = = = =
} } }

3
x + +
2 2 x x 3 x
0 0 0 0
1 6
Y y dy dx dx x dx 2
3 3 3
x
E e e e
+

( = = = = =
} } } }

[ ] [ ]
2 2 2 2
x
X X U 6 4 2 Y Y U 2 1 1
y
V E , V E ( ( = = = = = =


[ ]
3
x + +
x x 3 x
0 0 0 0
x 1 6
X Y x y dy dx dx x dx 3
2 2 2
E e e e
+

= = = = =
} } } }

Distribuciones Marginales: Sean X e Y variables aleatorias (discretas o continuas). La
distribucin marginal de las variables aleatorias X Y, estn dadas por:

( )
( )
( )
x y
y
x
x y
f x y X e Y variables aleatorias discretas
Analogamente
f x
para Y
f x y dy X e Y variables aleatorias continuas
, ,
, ,

}
Una notacin similar:
( ) ( ) ( ) { }
x x y
f x f x y dy a b a x
x
x
R
, ; R , = = eA =
}
Ejemplo: Sean X e Y variables aleatoria discretas con distribucin de probabilidad conjunta dada
por:

( ) ( ) ( ) ( ) ( )
x x y x y x y x y
y
f x f x y f x 0 f x 1 f x 2 para x 0 1 2 , , , , ; , , = = + + =

( ) ( ) ( ) ( ) ( )
2
y x y x y x y x y
x 0
f y f x y f 0 y f 1 y f 2 y para y 0, 1,2 , , , , ;
=
= = + + =

Ejemplo: Sean X e Y variables aleatoria discretas con distribucin de probabilidad

x y
f
dada por:
( )
x y
x y
f x y x 1 2 3 y 0 1 2 3
36
, , , , ; , , ,
+
= = =

( )
3
x
y 1
x y 3x+6 x 2
f x x 1 2 3
36 36 12
; , ,
=
+ +
= = = =

( )
3
y
x 1
x y 3y 6 y 2
f y y 1 2 3
36 36 12
; , ,
=
+ + +
= = = =

Ejemplo: Sean X e Yvariables aleatorias continuas con f.d.p conjunta dada por
X 0 1 1 2 2
Y 0 1 2 1 2
x y
F
1/8 1/4 1/8 1/8 3/8
x 0 1 2
( )
x
f x
1/8 3/8 4/8
y 0 1 2
( )
y
f y
1/8 3/8 4/8
Distribuciones Condicionales: Sean X e Y variables aleatorias (discretas o continuas) con
distribucin de probabilidades
xy
f . La distribucin condicional de Y dado X x = , es una funcin de
los valores de la variable aleatoria Y cuando se fija un valor especifico para X.
Si denotamos dicha funcin por
Y|x
f entonces
( )
( )
( )
( )
x y
Y|x x
x
f x y
f y f x 0
f x
,
, = >
(Anlogamente se define
Y|x
f ).

Ejemplo: Para el ejercicio anterior:

( )
( )
( ) ( )
x y
Y|x
x
x y
f x y
x y
36
f y y 1 2 3
x 2
f x 3 x 2
12
,
, , ,
+
+
= = = =
+
+
( )
( )
( ) ( )
x y
X|y
y
x y
f x y
x y
36
f x x 1 2 3
y 2
f y 3 y 2
12
,
, , ,
+
+
= = = =
+
+
( )
( )
( ) ( )
Y|1
x
f 1 y
1 y y 1
f y y 1 2 3
f 1 3 1 2 9
,
, , ,
+ +
= = = =
+
( )
( )
( ) ( )
xy
X|2
y
f x 2
x 2 x 2
f x x 1 2 3
f 2 3 2 2 12
,
, , ,
+ +
= = = =
+
Observe que para cualquier caso
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
x Y|X y X|Y
x Y|X y X|Y
P x , y P x P y | x P y P x | y
o
F x , y F x F y | x F y F x | y
= =
= =

Diremos que X e Y son v.a Estadsticamente independientes si
( )
x
xy
0 y x
f x y
0 otro caso
e ,
,
,

s <
=

( )
x
x x
x
0
f x dy x x 0 e e ,

= = >
}
( )
+
x y
y
y
f y dx y 0 e e ,

= = >
}
( )
x y
x 1 2 3
x y
f x y 36 y 1 2 3
0 otro caso
, ,
,
, , ,
,
= +

= =

( )
( )
x
y
x 2
f x x 1 2 3
12
y 2
f y y 1 2 3
12
, , ,
, , ,
+
= =
+
= =
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
x y
x y
P x , y P x P y x , y
o
F x , y F x F y x , y
=
=
Si existe algn par ( ) x , y para el cual no se cumple esta igualdad, diremos que X e Y son

Estadsticamente dependientes.
Ejemplo: Sean X e Yvariables aleatorias continuas con f.d.p conjunta
xy
f .dada por:
( )
( )
x
x
y
x
f x x x 0
f y y 0
e ,
e ,

= >
= >

( ) ( ) ( )
x
Y|x x
1
f y 0 y x uniforme en 0, x
x x
e
,
e

= = s <
( )
( )
x
x y
X|y y
f x y x
e
e ,
e

= = <
( ) ( )
( ) x 1
Y|2 X|1
1
f y 0 y 2 f x x 1
2
, , e ,

= < < = >
Observe que ( ) ( )
( ) x y x
x y
f x f y xe e

= = entonces X e Y no son estadsticamente
independientes.
Al igual que en el caso de una variable, podemos definir el valor esperado para funciones de ms
de una variable aleatoria, solo que tenderemos ms de una sumatoria o ms de una integral,
segn el caso.
Como
Y|x
f o
X|y
f son distribuciones o funciones de densidad de probabilidad, tiene sentido calcular
probabilidades condicionales y valores esperados condicionales.

Sean X e Y variables aleatorias (discretas o continuas) y sean
x
A A _ y
y
B A _ .
( )
( )
( )
( )
x|y
x A
x|y
A
f x caso discreto
Anlogamente
X A|Y y
Y B X x
f x dx caso continuo
,
P ;
P |
,
e

e = =

e =

}
El valor esperado de Y dado X x = , el cul se denota [ ] E Y| X x =
Y|x
, est dado por
[ ]
( )
( )
[ ]
Y|x
y
X|y
Y|
y f y caso discreto
Anlogamente
Y X x
X Y y
y f y dy caso continuo
x
,
E | ;
E | U
,
= =
= =

}
Si g es una funcin de Y entonces
( )
( ) ( )
( ) ( )
xy
x y
xy
g y f x y
g y
g y f x y dy dx
,
E
,

( =

} }

( )
x
x y
0 y x
f x y
0 otro caso
e ,
,
,

s <
=

Anlogamente
( )
( ) ( )
( ) ( )
Y|x
y
Y|x
g y f y caso discreto
g Y X x
g y f y dy caso contnuo
,
E |
,

( = =

}
Anlogamente
( )
( ) ( )
( ) ( )
x y
x
x| y
h x f x discreto
h x Y y
h x f x dx caso continuo
|
,
E |
,

( = =

}
As la varianza de Y dado X x = ,la cul denotamos [ ]
V Y| X x = o
2
Y|X
o est dada por:
[ ] ( )
2
2 2 2
Y x Y|x Y|x
Y X x Y X x Y X x
|
V | E U | E | U
(
( = = o = = = =

(


[ ]
2 2 2
X y X| y
X Y y X Y y
|
V | E | U ( = = o = =


Ejemplo: Sean X e Y variables aleatoria discretas con distribucin conjunta dada por:

( )
x y
x y
f x y x 1 2 3 y 1 2 3
36
, , , , , ,
+
= = =

.
Hallar:
[ ]
Y X 1 E | =
,
[ ]
X Y 2 E | =
,
( ) X 2 Y 2 P | < =
,
( ) Y 1 X 1 P | > =
Solucin:
[ ] ( ) ( ) ( ) ( )
3
Y 1 Y 1 Y 1 Y 1 1
y 1
2 6 12 20
Y X 1 y f y 1f 1 2f 2 3f 3
9 9 9 9
| | | | Y|
E | U
=
= = = + + = + + = =

[ ] ( )
3
X 2 2
X 1
3 8 15 26 13
X Y 2 x f x
12 12 12 12 6
| X|
E | U
=
= = = + + = = =

( ) ( ) ( ) ( )
1
X 2 X 2
X 1
3 1
X 2 Y 2 X 1 Y 2 f x f 1
12 4
| |
P | P |
=
< = = s = = = = =

( ) ( ) ( )
3
Y 1
Y 2
3 4 7
Y 1 X 1 Y 2 X 1 f y
9 9 9
|
P | P |
=
> = = > = = = + =

Ejemplo: Sean X e Yvariables aleatorias continuas con f.d.p conjunta dada por:

Hallar
[ ] X Y 1 E | =
,
[ ] Y X 2 E | =
[ ]
( )
( )
x 1
X| 1 1
1
1
1
X Y 1 x dx 2
x
x
E | e U
e
+
+

+
= = = = =
}
( )
x
x y
0 y x
f x y
0 otro caso
e ,
,
,

s <
=

[ ]
2
2
2
Y| 2
0
0
1 y
Y X 2 y dy 1
2 4
E | U = = = = =
}
Calcular:
( ) Y 3 X 2 P | > =
,
( ) X 3 Y 1 P | < =
,
2
Y 2 |
o
,
2
X1 |
o
.
Podemos hablar de valor esperado condicional, pero usaremos las distribuciones condicionales en
vez de las conjuntas o marginales (segn el caso).
Asi,
El valor esperado de Y dado X x = , el cul denotamos
[ ]
( )
( )
Y|X
y
Y|X
y P y | x ; X e Y discretas
E Y| X x
y f y | x dy ; X e Y continuas

= =

}
[ ]
E Y| X x = suele denotarse
Y|x
.
Anlogamente se define
X|y

Covarianza y Correlacin
Cuando dos v.a X e Y no son independientes la pregunta de inters es Qu tan relacionadas
estn?. Una medida del grado de dependencia entre X e Y es conocida como Covarianza.
Definicin: Sean X e Y v.a. (discretas o contnuas). La Covarianza entre X e Y mide el grado
de dependencia entre estas variables. Una Covarianza alta implica, casi siempre, una alta
dependencia entre X e Y. El problema de la covarianza es quee s sensible a la escala de
medicin de las variables involucradas. As Covarianzas altas no implican necesariamente alta
dependencia. Para evitar este problema observe que:
0
X
X
X
E
(
=
(
o
(

y 1
X
X
X
V
(
=
(
o
(

. Similar para con Y. Lo que implica que
X
X
X
o
y
Y
Y
Y
o
estan
a la misma escala y son adimensionales. Por lo tanto la Covarianza entre estas dos variables no
depende de la escala de medicin. La Covarianza entre
X
X
X
o
y
Y
Y
Y
o
se conoce como
correlacin entre X e Y.
Definicin: La correlacin entre X e Y, o Coeficiente de correlacion lineal entre X e Y, se
denota como
xy
y
[ ]
X Y
xy
X Y X Y
X Y cov X , Y
cov ,
( | | | |
= = ( | |
| |
o o o o
(
\ . \ .

Se puede demostrar que 1
xy
s .
Un valor de
xy
cercano a 1 indica una alta dependencia lineal positiva. Un valor de
xy
cercano a
1 indica un alta dependencia negativa. Un valor cercano a cero indica poca independencia lineal.

Ejemplo:
Tenga en cuenta que si la correlacin es cercana a cero esto no implica que NO hay
independencia entre X e Y.
Ejemplo: Sean X e Y v.a discretas con p.m.f conjunta dada por

x 0 1 1 2 2
y
0 1 2 1 2
( ) P x , y 1
8
1
4
1
8
1
8
3
8
Halle [ ] [ ] [ ] [ ]
xy
E X , E Y , V X , E XY ,
Solucin:
[ ] ( )
( )
( ) ( ) ( ) ( ) ( ) 0 0 0 1 1 1 1 1 2 2 2 1 2 2 2
x , y
E X x p x , y p , p , p , p , p , = = + + + +

[ ]
11
8
E X =
Anlogamente [ ]
11
8
E Y =
[ ]
2
2 2 2
19 19 11 31
8 8 8 64
X
E X V X E X
| |
( ( = = = =
|

\ .

[ ] ( )
( )
( )( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )( ) ( ) 0 0 0 0 1 1 1 1 1 2 1 2 2 1 2 1 2 2 2 2
x , y
E XY xyp x , y p , p , p , p , p , = = + + + +

[ ]
18 9
8 4
E XY = =
[ ]
18 11 11 23
8 8 8 64
cov X , Y
| || |
= =
| |
\ .\ .

23
23
64
0 7419
31
31 31
64 64
xy
. = = =
Definicin: Sean X e Y variables aleatorias (discretas o continuas) con distribucin conjunta
xy
f .
X e Y se dicen variables aleatorias Estadsticamente Independientes (E.i). si
( ) ( ) ( )
( )
x y x y x y x y
f x y f x f y
,
, , = eA
con esto
( ) ( )
X| y x
f x f x =
y
( ) ( )
Y| x Y
f y f y =
.
Corolario: Si X e Y son variables aleatorias E.i entonces ( ) ( ) ( ) E XY E X E Y = . Si h y g son
funciones de valor real.
( ) ( ) ( ) ( ) ( ) g X h Y g X h Y E E E ( ( =

.
Ejemplo: Sean X e Y v.a. discretas con distribucin de Probabilidad dada por:

Calcule
[ ] [ ] [ ] ( )( )
x y
X Y X Y X U Y U E , E , E , E - -
(

Son X e Y variables aleatorias E.i?

Solucin:
[ ]
X 0 E =
,
[ ]
2
Y
8
E =
,
[ ]
X Y 0 E =
,
( )( ) [ ]
x y x y
X U Y U X Y U U 0 E - - E
(
= =


X e Y no son E.i, pues
( ) ( ) ( )
x y x y
1 3 2 6
f 1 1 f 1 f 1
8 8 8 64
, = = = - =
Ejercicios propuestos:

- (*)Demuestre que la siguiente funcin satisface las propiedades de una funcin de
probabilidad conjunta.
x
y
( (( ( ) )) )
XY
f x , y
1 5 . 2
1
8
1 5 . 3
1
4
2 5 . 4
1
2
3 5
1
8
- Continuacin del anterior ejercicio
Calcule las probabilidades siguientes
a. ( (( ( ) )) ) 2 5 3 P X . , Y < < < < < < < <
b. ( (( ( ) )) ) 2 5 P X . < << <
c. ( (( ( ) )) ) 3 P Y < << <
d. ( (( ( ) )) ) 1 8 4 7 P X . , Y . > > > > > > > >
e. Determine ( (( ( ) )) ) E X y ( (( ( ) )) ) E Y
X
-1 0 1
-1 1/8 0 1/8 2/8
Y 0 1/8 0 1/8 2/8
1 1/8 1/4 1/8 4/8
3/8 1/4 3/8
f. Determine la distribucin de probabilidad marginal de la variable aleatoria X
g. Determine la distribucin de probabilidad condicional de Y dado que 1 5 X . = == =
h. Determine la distribucin de probabilidad condicional de X dado que 2 Y = == =
- En la transmisin de informacin digital, la probabilidad de que un bit tenga una distorsin
alta, moderada o baja es 0.01, 0.04 y 0.95, respectivamente. Suponga que se transmiten
tres bits y que la cantidad de distorsin de cada uno es independiente. Sean X y Y las
variables aleatorias que denotan el nmero de bits, de los tres transmitidos, que tienen una
distorsin alta o moderada, respectivamente.
a. Cul es el rango de la probabilidad conjunta de X y Y?
b. Calcule ( (( ( ) )) ) 3 0 P X , Y = = = = = = = =
c. Determine ( (( ( ) )) ) 2 1 P X , Y = = = = = = = =
d. Determine ( (( ( ) )) ) 2 0 P X , Y = = = = = = = =
e. Son independientes las variables aleatorias del ejercicio (*). Explique su respuesta.

- Determine el valor de c tal que la funcin ( (( ( ) )) ) f x, y cxy = == = , para 0 3 x < < < < < < < < y 0 3 y < < < < < < < < , cumpla
con las propiedades de una funcin de densidad de probabilidad conjunta.

- Continuacin del anterior ejercicio
Determine lo siguiente:
a. ( (( ( ) )) ) 2 5 3 P X . , Y < < < < < < < <
b. ( (( ( ) )) ) 2 5 P X . < << <
c. ( (( ( ) )) ) 1 2 5 P Y . < < < < < < < <
d. ( (( ( ) )) ) 1 8 1 2 5 P X . , Y . > < < > < < > < < > < <
e. ( (( ( ) )) ) E X
f. ( (( ( ) )) ) E Y
- Determine el valor de c que hace que la funcin ( (( ( ) )) ) ( (( ( ) )) ) f x , y c x y = + = + = + = + sea una funcin de
densidad de probabilidad conjunta sobre el rango 0 3 x < < < < < < < < y 2 x y x < < + < < + < < + < < + .
- Continuacin del ejercicio anterior

- Obtenga lo siguiente:
a. ( (( ( ) )) ) 1 2 P X , Y < < < < < < < <
b. ( (( ( ) )) ) 1 2 P X < < < < < < < <
c. ( (( ( ) )) ) 2 P Y > >> >
d. ( (( ( ) )) ) 2 2 P X , Y < < < < < < < <
- e. ( (( ( ) )) ) E X
- Se utilizan dos mtodos para medir la rugosidad superficial con la finalidad de evaluar un
producto de papel. Las mediciones se registran como una desviacin a partir del valor
nominal de la rugosidad de la superficie. La distribucin de probabilidad conjunta de las dos
mediciones puede describirse mediante una distribucin uniforme sobre el interior de la
regin 0 4 x < < < < < < < < , 0 y < << < , y 1 1 x y x < < + < < + < < + < < + . Esto es, ( (( ( ) )) ) f x , y c = == = para ( (( ( ) )) ) x , y tal que 0 4 x < < < < < < < < ,
0 y < << < , y 1 1 x y x < < + < < + < < + < < +
a. Determine el valor de c para el que ( (( ( ) )) ) f x , y es una funcin de densidad de probabilidad
conjunta.
b. Determine ( (( ( ) )) ) 0 5 0 5 P X . , Y . < < < < < < < <
c. Obtenga ( (( ( ) )) ) 0 5 P X . < << <
d. Calcule ( (( ( ) )) ) E X y ( (( ( ) )) ) E Y
e. Obtenga la distribucin de probabilidad condicional de X dado que 1 Y = == =
- Determine la Covarianza y la correlacin de la siguiente distribucin de probabilidad
conjunta
x
y
( (( ( ) )) )
XY
f x , y
1 3
1
8
1 4
1
4
2 5
1
2
3 6
1
8
Sean X e Y variables aleatorias continuas con p.d.f. conjunta dada por:

Calcule
x y
o ,
x y

Solucin: Sabemos que [ ] [ ] [ ] [ ] [ ] E X 2 , E Y 1 , V X 2 , V Y 1 y E XY 3 = = = = =

As [ ] [ ] ( ) ( )
X Y
Cov X, Y E XY 3 2 1 1 = = = y por tanto
x y
1 1
0.707
2 . 1 2
= = =
Ejercicio:
- Demuestre que la siguiente funcin satisface las propiedades de una funcin de
probabilidad conjunta
x
y
( (( ( ) )) )
XY
f x , y
1 2
1
8
0 5 . 1
1
4
0 5 . 1
1
2
1 2
1
8
Calcule las siguientes probabilidades
a. ( (( ( ) )) ) 0 5 1 5 P X . , Y . < < < < < < < <
b. ( (( ( ) )) ) 0 5 P X . < << <
( )
x
x y
0 y x
f x y
0 otro caso
e ,
,
,

s <
=

c. ( (( ( ) )) ) 1 5 P Y . < << <

d. ( (( ( ) )) ) 0 25 4 5 P X . , Y . > < > < > < > <
Ejemplo: Supngase que la variable aleatoria continua X denota la longitud de una de las
dimensiones de una pieza moldeada por inyeccin, y que la variable aleatoria continua Y denota
la longitud de otra dimensin de lamisca pieza. Supngase adems que la funcin de densidad de
probabilidad conjunta ( (( ( ) )) )
XY
f x , y es constante sobre la regin R identificada por 4 8 5 2 . x . < < < < < < < < y
2 2 0 1 x y x . < < + < < + < < + < < + .
Sea c el valor constante, no conocido, de ( (( ( ) )) )
XY
f x , y .
( (( ( ) )) )
5 2 2 0 1
4 8 2
1
XY
. x .
. x
f x , y dx dy
c dy dx


+ ++ +
= == =
= == =
} } } } } } } }
} } } } } } } }

Una vez efectuada la integracin, se tiene que 25 c = == = .
Determine ( (( ( ) )) ) 4 9 5 1 P . X . < < < < < < < < . Esto representa la probabilidad de que la dimensin X cumpla las
especificaciones. Esta probabilidad es el volumen bajo la ( (( ( ) )) )
XY
f x , y sobre la regin 4 9 5 1 . X . < < < < < < < < ,
la cul aparece indicada con una Q. Sin embargo, ( (( ( ) )) )
XY
f x , y es igual a cero, excepto sobre la
regin R . Por consiguiente el volumen es la integral de la constante 25 sobre la interseccin de Q
y R . Ahora bien,
( (( ( ) )) ) ( (( ( ) )) )
[ [[ [ ] ]] ]
5 1 2 0 1
4 9 2
5 1 2 0 1
4 9 2
5 1
4 9
4 9 5 1
25
25 0 1
25 0 1 0 2 0 5
. x .
XY
. x
. x .
. x
.
.
P . X . f x , y dy dx
dy dx
. dx
. . .
+ ++ +
+ ++ +
< < = < < = < < = < < =
( ( ( (
= == =
( ( ( (

= == =
= = = = = = = =
} } } } } } } }
} } } } } } } }
} }} }
Determnese ( (( ( ) )) ) 10 0 10 1 P . Y . < < < < < < < < . La probabilidad pedida est representada por el volumen de
( (( ( ) )) )
XY
f x , y sobre la regin sombreada T . El volumen puede hallarse al particionar T en dos
regiones,
1
T y
2
T , tales que
1 2
T T T = = = = . Entonces,
( (( ( ) )) ) 10 0 10 1 25 P . Y . < < = < < = < < = < < = por el rea de
2
T
( (( ( ) )) )
( (( ( ) )) )
5 0 2 0 1
4 95 10 0
5 05 10 1
5 0 2
5 0
4 95
5 05
5 0
25
25
25 2 0 1 10 0
25 10 1 2
0 0625 0 0625
0 125
. x .
. .
. .
. x
.
.
.
.
dy dx
dy dx
x . . dx
. x dx
. .
.
+ ++ +
( ( ( (
= == =
( ( ( (

( ( ( (
+ ++ +
( ( ( (

( ( ( (
= + = + = + = +
( ( ( (

( ( ( (
+ + + +
( ( ( (

= + = + = + = +
= == =
} } } } } } } }
} } } } } } } }
} }} }
} }} }
Ejercicio: Sean X e Y v.a. con distribucin conjunta dada por:
( )
y 2x
x y
x
f x y x 0 y 0 1 2 3
y!
e
, ; ; , , , , ...

= > =

Hallar
[ ] [ ]
2 2
x y Y x x y y y X x y
f f f f X Y
| X|
, , , , , E , E , , , o o o
.
Ejemplo: Sean X e Y variables aleatorias discretas con distribucin conjunta dada por:

Halle
x y
o
.
[ ] ( )
x y
18 9
X Y x y f x y
8 4
E , = = =

[ ]
11
X
8
E =
,
[ ]
2
x y
11 9 11 23
Y 0 359375
8 4 8 64
E .
| |
= o = = =
|
\ .
.
Ejercicio: Sean X e Y variables aleatorias continuas con f.d.p dada por:

Halle
x y
o .
[ ]
x
x
0 0
X Y x y dy dx 3 E e
+

= =
} }
,
[ ] X 2 E =
,
[ ]
x y
Y 1 3 2 1 E = o = =
Debido a los problemas de escala, observe que:
X
X
X
o
y
Y
Y
Y
o
son variables aleatorias con media cero y varianza 1.
x 0 1 1 2 2
y
0 1 2 1 2
( )
x y
f x y ,
1/8 1/4 1/8 1/8 3/8
( )
x
x y
0 y x
f x y
0 otro caso
e ,
,
,

s <
=

[ ] ( )
x
x
x x
X U 1
X U 0 E E
(
= =
(
o o

y
[ ]
x
2
x x
X U 1
X 1 V V
(
= =
(
o o

.
As, las variables
X
X
X
o
y
Y
Y
Y
o
est a la misma escala.
As, la Covarianza entre estas dos variables no depende de las escalas de medicin. Esta nueva
medida se conoce como coeficiente de correlacin lineal entre X e Y y se denota
x y

( )( )
x y
y y
x x
x y
x y x y x y
X U Y U
Y U Y U
X U X U
cov
E
, E
(
( ( | | | |

= = = ( | (
|
|
o o o o o o
( ( \ .
\ .

As,
[ ]
x y
X Y
cov X, Y
=
o o
. Es fcil ver que
x y
1 s .
Un valor de
x y
cercano a uno indica una lata dependencia positiva (cuando X aumenta, Y
tiende a aumentar). Un valor de
x y
cercano a menos 1 indica una alta dependencia negativa. Un
x y
cercano a cero no permite concluir.
Para el ejemplo anterior,
[ ]
x y
X Y
cov X, Y
=
o o
donde [ ] cov X, Y 1 = ,
2
X
2 o = y
2
y x y
1
1 0 707
2
. o = = ~
.
Corolario: Sean X e Y variables aleatorias (discretas o continuas). Si X e Y son
estadsticamente independientes , entonces
x y
0 = .
Ejemplo: esta muestra que si
x y
0 = no implica independencia entre X e Y. Sean X e Y
variables aleatorias discretas con distribucin de probabilidad dada por:
[ ] [ ]
[ ]
[ ] [ ] [ ]
x y
x y
x y
cov X Y X Y U U
X Y x y f 0
2
X 0 Y cov X Y 0 0
8
, E
E
E , E ,
=
= =
= = = =

pero ( ) ( ) ( )
x y x y
1 3 4 3
f 1,1 f 1 f 1
8 8 8 16
| || |
= = = =
| |
\ .\ .
es decir X e Y son estadsticamente
dependientes.

Distribucin normal bivariada
Sean X e Y variables aleatorias continuas. Diremos que X e Y tienen una distribucin normal
bivariada si su f.d.p conjunta est dada por:
X
-1 0 1
-1 1/8 0 1/8
Y 0 1/8 0 1/8
1 1/8 1/4 1/8
( )
( )
2
x y
1
2 1
x y
2
x
x y x y
y
x
y
1
f x y
U
2 1
U
Q
, e ;

< < +
< < +
= -
< < +
t o o
< < +
2
2
y y
x x
x y x y x y
x x y y
Y U Y U
X U X U
Q 2 0 1 ; , , | |
| | | | | | | |
= + o o > < | |
| |
| |
o o o o
\ . \ .
\ . \ .

No es difcil mostrar que

Las distribuciones marginales para X e Y son variables aleatorias normales
( )
2
x x
n U X , o
,
( )
2
y y
n U Y , o
y
x y
=
.
Adems,
( ) ( )
2 2 x
y x y
y
x n U x U 1 Y| ,
| |
o
+ o
|
|
o
\ .

,
( ) ( )
2 2 x
x y x
y
y n U y U 1 X| ,
| |
o
+ o
|
|
o
\ .

[ ] ( )
y y y
y x y x
x x x
Y X x U x U a x b; con a y b U U E |
o o o
= = + = + = =
o o o
.
Teorema: Sean X e Y son variables aleatorias con f.d.p conjunta una normal bivariada X e Y
son estadsticamente independientes entonces
x y
0 = .
Demostracin:
" " :
Si
( ) ( ) ( )
2
2
y
x
y
x
Y U
1 X U 1
2
2
x y x y
x y
1 1
f x y f x f y
2 2
, e e
(
( | |
| |
(
| ( |
| (
o
o (
\ . \ .
(

= - =
t o t o

( )
2
2
y x
x y
Y U
X U 1
2
x y x y
x y
1
0 f x y
2
, e
(
| | | |
(
| + |
| (
o o
\ .
\ .
(

= =
t o o
( )
2
x y
f x y dy dx 1 , =
} }

Ejemplo: Suponga que X e Y son variables aleatorias con f.d.p normal bivariada con
x
U 1 =
,
y
U 2 =
,
2
x
U 1 =
,
2
y
U 4 =
,
x y
1
3
= =
.
Calcule:
( ) ( ) [ ] [ ] [ ] a) X 2 b) Y 1 c) Y X 1 d) X Y e) 5X 2Y 1 P P E | E V < > = +
Sugerencia.
Solucin: ( ) ( ) ( )
1 2 2
n 1 1 n 2 4 x n 2 x 1 4
3 1 3
X , , Y , , Y| ,
| | | | | |
+
| | |
\ . \ . \ .
, ,
( ) ( )
X 1 2 1
a) X 2 Z 1 0 8413
1 1
P P P .
| |
< = < = < =
|
\ .

( )
Y 2 1 2 1 1
b) Y 1 Z Z 0 6915
2 2 2 2
P P P P .
| | | | | |
> = < = > = < =
| | |
\ . \ . \ .

[ ] ( )
1 2
c) Y X 1 2 1 1 2
3 1
E |
| |
= = + =
|
\ .

[ ] [ ] [ ]
[ ]
[ ] [ ]
[ ] ( )( ) ( )( )
x y x y
x y
x y x y x y x y
cov X Y
d) X Y cov X Y X Y y
X Y cov X Y
1 2 8
X Y 1 2 1 2 2
3 3 3
,
E ? , E
E ,
E
= = =
o o
= + = o o +
| |
= + = + =
|
\ .

[ ] [ ] [ ] [ ]
( ) ( ) ( )( )
e) 5X 2Y 1 25 X 4 Y 20 COV X Y
1
25 1 4 4 20 1 2
3
40 83
25 16
3 3
V V V , + = +
| |
= +
|
\ .
= + =
Combinaciones de variables aleatorias: Esperanza y varianza
Sean
1 p
X , , X variables aleatorias (discretas o continuas) y sean
1 2 p
c c c , , ... , e
.
Sea
p
i i
i 1
c X Y
=
=

Y es una combinacin lineal de las variables aleatorias

1 p
X , , X .
[ ]
[ ]
p
i i
i 1
p
2
i i i j i j
i 1 i j
Y c X
Y c X 2 c c cov X X
I) E E
V V ,
=
= <
( =

( ( = +

[ ] [ ] [ ] [ ]
2 2
aX bY c a X b Y 2 a b cov X Y V V V , + = + +
II) Si
1 p
X , , X son variables aleatorias estadsticamente independientes entonces
[ ]
p p
2
i i i i
i 1 i 1
Y c X c X V V V
= =
(
( =
(



,
i i
1
c X
p
, E U ( = =

. Adems, si;

III) Si cada
( )
2
i i i
n i 1 2 p X , , , , ..., o = entonces si
1 p
X , , X son E.i entonces
p p
2 2
i i i i
i 1 i 1
n c c Y ,
= =
| |
o
|
\ .

en
particular si,
( )
2
2 2
i i i
1
c y x n
p
p
, ,
o
= = o = o
Combinacin lineal de normales independientes es Normal o Propiedad Reproductiva de la
Normal.
Ejercicios Propuestos
1. Muestre que si X e Y tienen una distribucin normal bivariada con
2 2
x y x y
9 9 y : , , , , entonces
( )
2
x x
n X , o .
2. Si en una normal bivariada
2 2
x y x y x y
1
2 3 9 4 9 1
3
, , , , = = = = = . Calcule
[ ]
X Y X 2Y 3 E + + .
3. Suponga que X e Y son variables aleatorias discretas con distribucin conjunta dada por:

Calcule [ ] 2X 3Y 1 V +
4. Sean X e Y variables aleatorias discretas con f.d.p conjunta por:
( )
x y
k 0 x 2 0 y 1
f x y
0 otro caso
, ,
,
,
< < < <
=

Calcule
[ ]
X 3Y 2 V + .
- Suponga que la correlacin entre X y Y es . Para las constantes a, b, c y d . Cul es la
correlacin entre las variables aleatorias U aX b = + = + = + = + y V cY d = + = + = + = + ?
- Sean X y Y la concentracin y la viscosidad de un producto qumico. Suponga que X y
Y tienen una distribucin normal bivariada con 4
X
o = == = , 1
Y
o = == = , 2
X
= == = , 1
Y
= == = y 0 8 . = == = .
Dibuje una grfica de contornos de la funcin de densidad de probabilidad conjunta.

- Sean X y Y dos dimensiones de una pieza moldeada por inyeccin. Suponga que X y Y
tienen una distribucin normal bivariada con 0 04
X
. o = == = , 0 08
Y
. o = == = , 3 00
X
. = == = , 7 70
Y
. = == = y
0 = == = . Determine ( (( ( ) )) ) 2 95 3 05 7 60 7 80 P . X . , . Y . < < < < < < < < < < < < < < < <
x -10 0 0 1
y
0 -1 1 0
( )
x y
f x y ,
1/4 1/4 1/4
[ ] [ ]
2
2
i
X i i 1 2 p Y x y as x U y x
p
V ; , , , ..., E V
o
( = o = = = =

- Si X y Y son variables aleatorias normales independientes con ( (( ( ) )) ) 0 E X = == = , ( (( ( ) )) ) 4 V X = == = ,
( (( ( ) )) ) 10 E Y = == = y ( (( ( ) )) ) 9 V X = == = . Calcule lo siguiente:
a. ( (( ( ) )) ) 2 3 E X Y + ++ +
b. ( (( ( ) )) ) 2 3 V X Y + ++ +
c. ( (( ( ) )) ) 2 3 30 P X Y + < + < + < + <
d. ( (( ( ) )) ) 2 3 40 P X Y + < + < + < + <
- El ancho del marco de una puerta tiene una distribucin normal con media 24 pulgadas y
desviacin estndar de
1
8
de pulgada. El ancho de la puerta tiene una distribucin normal
con media 23 y
7
8
pulgadas y desviacin estndar de
1
16
pulgadas. Suponga
independencia.
a. Determine la media y la desviacin estndar de la diferencia entre le ancho del marco y
el de la puerta.
b. Cul es la probabilidad de que la diferencia entre el ancho del marco y el de la puerta
sea mayor que
1
4
de pulgada?
c. Cul es la probabilidad de que la puerta no quepa en el marco?

- Un componente en forma de U est formado por tres piezas, A, B y C. La longitud de A
tienen una distribucin normal con media de 10 milmetros y desviacin estndar de 0.1
milmetros. El espesor de las piezas B y C est distribuido normalmente con media de 2
milmetros y desviacin estndar de 0.05 milmetros. Suponga que todas las dimensiones son
independientes.
a. Determine la media y la desviacin estndar de la longitud del hueco D.
b. Cul es la probabilidad de que el hueco D sea menor que 5.9 milmetros?

El tiempo de vida de seis componentes importantes de una copiadora son variables aleatorias
exponenciales independientes con medias de 8000, 10000, 10000, 20000 y 25000 horas
respectivamente.
a. Cul es la probabilidad de que la duracin de todos los componentes sea mayor que
5000 horas?
b. Cul es la Covarianza entre los componentes cuya duracin media es de 5000 horas y
los de 25000 horas?